数字图像修复是指借助于图像完好已知的信息来预估和重建图像缺失的信息,恢复图像原有的视觉完整性效果。目前,数字图像修复方法主要有两类:基于偏微分方程的图像修复方法和基于纹理合成的图像修复方法。前者以像素为单位将己知图像已知区域信息扩散到破损的未知区域,在小尺度破损图像的修复上能取得较理想的效果,但在处理结构纹理信息较复杂或大面积破损图像时容易产生模糊效应。而基于纹理合成的方法一般以图像块为单位,利用己知图像信息合成图像缺损的未知信息,其中典型代表为Criminisi算法,该算法兼顾图像结构信息和纹理信息的修补,因此能够较好的完成较大面积破损图像的修复。然而Criminisi算法仍然存在着修复顺序不合理,匹配准则不精确等缺陷。论文通过分析研究Criminisi算法的缺点与不足,提出以下改进:(1)针对修复顺序的不足,提出对优先权函数分段定义,同时引入结构优先辅导线;(2)针对匹配方法的不足,提出基于多特征联合的匹配算法,即同时采用颜色与结构相似度来提高匹配的精准度,并引入梯度权重与边界距离权重等约束因子来筛选更符合人眼视觉要求的匹配块;(3)针对匹配块模板大小问题,提出在修复过程中依据图像局部结构纹理信息的复杂程度自适应的调整模板窗口大小;(4)针对匹配误差导致的块效应问题,提出了基于灰度融合的块效应消除处理方法。